Artificiell intelligens-baserat program för att klassificera munhålans fynd baserat på klinisk bildanalys

Tidig diagnos av orala lesioner, särskilt oral cancer, är avgörande för att förbättra prognosen, underlätta tidig intervention och vård med avsikt att sänka sjukdomsrelaterad dödlighet.

Eftersom konventionell oral undersökning (COE) är den mest använda metoden för att identifiera orala lesioner, är den genomsnittliga tandläkarens erfarenhet en avgörande faktor för tidig diagnos.

Visuell undersökning saknar specificitet och känslighet eftersom den är mycket subjektiv. Tyvärr visar studier att majoriteten av tandläkare saknar expertis i tidig upptäckt av sjukdomen, vilket resulterar i falsk negativ diagnos av orala lesioner.

Allmänläkare visar sig antingen försena remissen av en misstänkt oral lesion till en oral medicinspecialist, eller hänvisa många falskt positiva fall, vilket i onödan pressar patienterna till ett tillstånd av ångest och cancerfobi. Falska positiva remisser överbelastar specialisterna, vilket så småningom kommer att orsaka försenad diagnos av sanna positiva fall på grund av övermättnaden med falskt positiva.

Omfattningen av diagnostisk forskning skiftar mot icke-invasiva metoder på fåtöljens sida med högre noggrannhet för tidig upptäckt av orala lesioner. Nya metoder för att använda maskinbaserade program indikerar att denna maskininlärningsmetod kan vara användbar vid upptäckt och diagnos av oral cancer.